Ahụmịhe mmụta aka mbụ. Yandex.Workshop – Data Analyst

Ahụmịhe mmụta aka mbụ. Yandex.Workshop – Data Analyst
M na-ekerịta ahụmịhe m nke ọzụzụ na Yandex.Practicum maka ndị ga-achọ inweta ma ọ bụ ọpụrụiche ọhụrụ kpamkpam ma ọ bụ kwaga na mpaghara ndị metụtara ya. M ga-akpọ ya nzọụkwụ mbụ na ọrụ ahụ, n'echiche nke onwe m. O siri ike ịmata kpọmkwem site na ọkọ ihe kwesịrị ka a mụọ, n'ihi na onye ọ bụla nwere ụfọdụ ihe ọmụma, na nke a N'ezie ga-akụziri gị ọtụtụ ihe, na onye ọ bụla ga-aghọta n'onwe ya ihe ọmụma na nke ebe ha ga-mkpa inweta ọzọ ihe ọmụma. - n'ihe fọrọ nke nta ka ọ bụrụ n'ọnọdụ niile, nkuzi mgbakwunye n'efu ga-ezuru.

Kedu ka m si bịa na "echiche" gbasara nyocha?

Ruo ọtụtụ afọ, ọ na-etinye aka na ịmepụta ụlọ ahịa dị n'ịntanetị na nlekọta ha (ahịa, mgbasa ozi, Yandex.Direct, wdg). Achọrọ m ime ka ọrụ m belata ma mee naanị ihe ndị sitere na ụdịdị dị iche iche nke kacha amasị m. Ọzọkwa, amaghị m ọbụna aha ọrụ m ga-eme n'ọdịnihu, enwere naanị ihe achọrọ maka usoro ọrụ ahụ. Ịmụ mmemme na ngwá ọrụ n'onwe m abụghị ihe mgbochi nye m, ya mere ekpebiri m ịchọ ebe m nwere ike itinye ahụmahụ m na ịmụta ihe ọhụrụ.

Na mbụ, echere m banyere ịga ụlọ akwụkwọ sekọndrị nke abụọ ma ọ bụ ọzụzụ ọkachamara, ebe ọ bụ na ọmụmụ ihe ahụ yiri ihe na-adịghị mma. Mgbe m na-elele nhọrọ dị iche iche, ahụrụ m Yandex.Practice na mberede. Enwere ọrụ ole na ole, n'etiti ha bụ onye nyocha data, nkọwa ahụ na-adọrọ mmasị.

Amalitere m ịmụ ihe dị na nchịkọta ozi gbasara inweta agụmakwụkwọ dị elu nke abụọ, mana ọ tụgharịrị na oge ọzụzụ ahụ dị ogologo maka mpaghara ebe ihe niile na-agbanwe ngwa ngwa; ụlọ akwụkwọ agụmakwụkwọ ka elu agaghị enwe oge iji zaghachi. na nke a. Ekpebiri m ịhụ ihe ahịa na-enye na mgbakwunye na Ụlọ Ọrụ Ọmụmụ. Ọtụtụ n'ime ndị sonyere ọzọ tụrụ aro a nnọọ ogologo 1-2 afọ, ma m ga-amasị yiri mmepe: ịbanye ọrụ na ala ọnọdụ na n'ihu ọzụzụ.

Ihe m chọrọ n'ọrụ (anaghị m atụle usoro ọrụ)

  • Achọrọ m ọzụzụ ka ọ bụrụ usoro na-adịgide adịgide na ọrụ m,
  • M na-anagide ọrụ nke ọma ma ọ bụrụ na m ahụ ihe mgbaru ọsọ na-adọrọ mmasị, mana achọrọ m multitasking ka usoro ọrụ ahụ ghara inwe ọtụtụ usoro ọrụ,
  • nke mere na azụmahịa dị ya mkpa ọ bụghị naanị (ahịa n'onwe ya na-akwado nke a na rubles ma ọ bụ dollar),
  • enwere mmewere nke nnwere onwe, ọrụ, “usoro okirikiri zuru oke”,
  • enwere ohere itolite (n'oge a, ahụrụ m ya dị ka mmụta igwe na ọrụ sayensị).

Ahụmịhe mmụta aka mbụ. Yandex.Workshop – Data Analyst

Yabụ, nhọrọ ahụ dabara na Yandex.Practicum n'ihi:

  • ogologo oge ọmụmụ (naanị ọnwa isii),
  • ọnụ ụzọ mbata dị ala - ha kwere nkwa na ọbụlagodi agụmakwụkwọ sekọndrị ị nwere ike ịmụta ọrụ,
  • ọnụ ahịa,
  • ha ga-eweghachite ego ahụ ma ọ bụrụ na ị ghọtara na ọrụ a adịghị mma maka gị (enwere ụfọdụ iwu ndị ziri ezi),
  • omume na omume ọzọ - ọrụ bara uru nke a ga-etinye na pọtụfoliyo (m weere nke a dị ka ihe kacha mkpa),
  • usoro ntanetị, nkwado,
  • nkuzi mmeghe n'efu na Python, na ọkwa a, ị ghọtara ma ịchọrọ ya,
  • Na mgbakwunye, ịkwesịrị ịtụle ụdị ebe nchekwa ị nwere. Ọsọ na ịga nke ọma nke ọzụzụ ga-adabere na nke a. Ọ dị m ezigbo mkpa na ihe mmụta mmụta dị n'ụdị ederede, ebe ọ bụ na mụ onwe m nwere ebe nchekwa ọhụụ kachasị emepe emepe. Dịka ọmụmaatụ, Geekbrains nwere ihe nkuzi niile n'ụdị vidiyo (dị ka ozi sitere na nkuzi nkuzi). Maka ndị na-aghọta ozi site na ntị, usoro a nwere ike ịka mma.

Nchegbu:

  • batara na iyi nke mbụ wee ghọta na, dị ka ngwaahịa ọhụrụ ọ bụla, a ga-enwe mmejọ teknụzụ,
  • Aghọtara m na ọ nweghị ajụjụ gbasara ọrụ mmanye.

Kedu ka usoro mmụta si aga?

Iji bido, ị ga-enwerịrị nkuzi mmeghe n'efu na Python wee rụchaa ọrụ niile, ebe ọ bụrụ na ịmebeghị nke gara aga, nke na-esote agaghị apụta. A na-ahazi ọrụ niile na-esote na nkuzi n'ụzọ dị otú a. Ọ na-akọwakwa ihe ọrụ bụ na ma ọ bara uru ịga akwụkwọ.

Enwere ike ịnweta enyemaka na Facebook, VKontakte, Telegram na nkwukọrịta bụ isi na Slack.
Ọtụtụ nkwurịta okwu na Slack na-eme onye nkụzi mgbe ọ na-emecha simulator na mgbe ọ na-emecha ọrụ ahụ.

Na nkenke banyere akụkụ ndị bụ isi

Ahụmịhe mmụta aka mbụ. Yandex.Workshop – Data Analyst Anyị na-amalite ọzụzụ anyị site na ịbanye n'ime Python wee malite iji Jupyter Notebook kwadoo ọrụ. Ugbua na ọkwa mbụ anyị na-arụ ọrụ mbụ. Enwekwara mmeghe nke ọrụ na ihe ọ chọrọ.

Na ọkwa nke abụọ, anyị na-amụta banyere nhazi data, n'akụkụ ya niile, ma malite ịmụ na nyochaa data. Ebe a ka etinyere ọrụ abụọ ọzọ na pọtụfoliyo.

Mgbe ahụ, a na-enwe nkuzi na nyocha data ndekọ ọnụ ọgụgụ + oru ngo.

Emechara nke atọ nke mbụ, anyị na-arụ nnukwu ọrụ a rụpụtara.

Ọzụzụ ọzọ na-arụ ọrụ na ọdụ data na ịrụ ọrụ na asụsụ SQl. Ọrụ ọzọ.
Ugbu a, ka anyị banye n'ime nyocha na nyocha ahịa na, n'ezie, ọrụ ahụ.
Na-esote – nnwale, hypotheses, A/B ule. Ihe oru ngo.
Ugbu a ihe ngosi data, ihe ngosi, ọba akwụkwọ Seaborn. Ihe oru ngo.

Emechara nke abụọ nke atọ - nnukwu ọrụ jikọtara ọnụ.

Akpaaka nke usoro nyocha data. Ngwọta nyocha Stream. Mpempe akwụkwọ. nlekota oru. Ihe oru ngo.
Ntụle amụma. Ụzọ mmụta igwe. Ntughari ahịrị. Ihe oru ngo.

Atumatu ngụsị akwụkwọ. Dabere na nsonaazụ ya, anyị na-enweta asambodo nke agụmakwụkwọ ọzọ.

Ọrụ niile na-aga n'ihu bụ nke etinyere n'ọrụ na mpaghara azụmahịa dị iche iche: ụlọ akụ, ụlọ ahịa, ụlọ ahịa n'ịntanetị, ngwaahịa ozi, wdg.

A na-enyocha ọrụ niile site na Yandex.Practice mentors - ndị nyocha na-arụ ọrụ. Nkwurịta okwu na ha tụgharịrị bụrụ ihe dị oke mkpa, ha na-akpali, ma nye m ihe kacha baa uru bụ ịrụ ọrụ site na mmejọ.

Ahụmịhe mmụta aka mbụ. Yandex.Workshop – Data Analyst

Akụkụ dị mkpa bụ nnọkọ vidiyo nwere ndị ndụmọdụ yana ọzụzụ vidiyo na ndị ọrụ akpọrọ.

E nwekwara ezumike)) - otu izu n'etiti ụzọ abụọ n'ụzọ atọ. Ọ bụrụ na usoro ahụ na-aga dịka nhazi oge, ị zuru ike, ma ọ bụrụ na ọ bụghị, mgbe ahụ, ị ​​ga-agwụ ọdụ. Enwekwara ezumike agụmakwụkwọ maka ndị, n'ihi ihe ụfọdụ, ga-eyigharịrị ọmụmụ ihe ha.

Obere maka simulator

Ahụmịhe mmụta aka mbụ. Yandex.Workshop – Data Analyst
Usoro a dị ọhụrụ, mana o doro anya na dabere na nkuzi ndị ọzọ, ndị ọkachamara Yandex maara otú o siri sie ike mgbe ụfọdụ mgbe enwere oke ibu na ozi “anaghị abata.” Ya mere, anyị kpebiri ime ka ụmụ akwụkwọ nwee obi ụtọ dị ka o kwere mee na eserese na nkọwa na-atọ ọchị, m ga-ekwukwa, nke a nyeere aka n'oge obi nkoropụ mgbe ị na-agbasi mbọ ike na ọrụ.

Ahụmịhe mmụta aka mbụ. Yandex.Workshop – Data Analyst
Ma mgbe ụfọdụ obi nkoropụ na-amalite:

  • Gị, ị gụsịrị akwụkwọ na mahadum ogologo oge gara aga na ị naghị echeta ihe ọ bụla, mgbe ahụ ị ga-ahụ aha isiokwu ahụ "Normal approximation of the binomial sharing" na ị kwụsịrị, na ị na-eche na ị ga-emeri' Aghọtaghị nke a, mana emesia ma tiori puru omume na ọnụ ọgụgụ ga-adịrị gị mfe nghọta ma na-atọ ụtọ.
  • ma ọ bụ ị nweta nke a:

    Ahụmịhe mmụta aka mbụ. Yandex.Workshop – Data Analyst

Ndụmọdụ nye ụmụ akwụkwọ n'ọdịnihu: 90% nke njehie kpatara ike ọgwụgwụ ma ọ bụ bufee ozi ọhụrụ. Were ezumike maka ọkara otu awa ma ọ bụ otu awa wee gbalịa ọzọ, dịka iwu, n'oge a ụbụrụ gị ga-edozi ma kpebie ihe niile maka gị)). Na 10% ma ọ bụrụ na ị ghọtaghị isiokwu a - gụgharịa ya ọzọ na ihe niile ga-arụ ọrụ nke ọma!


N'oge ọzụzụ ahụ, mmemme pụrụ iche pụtara iji nyere aka n'ọrụ: ịmalite ịmaliteghachi, akwụkwọ ozi mkpuchi, ịmepụta folda, ịkwadebe maka ajụjụ ọnụ, na ihe ndị ọzọ, na ndị ọkachamara sitere na ngalaba HR. Nke a bịara dị m ezigbo mkpa, n’ihi na achọpụtara m na a gabeghị m ajụjụ ọnụ ruo ọtụtụ afọ.

N'ịbụ onye fọrọ nke nta ka ọ bụrụ na ngwụcha akwụkwọ m, enwere m ike ịnye ndụmọdụ ọ na-achọsi ike inwe:

  • n'ụzọ dị ịtụnanya, onye na-agụ akwụkwọ maka nyocha, ikike iwulite mmekọrịta ezi uche dị na ya, ụdị echiche a kwesịrị imeri,
  • ike na ọchịchọ ịmụta ekwesịghị ịla n'iyi (ị ga-amụ ọtụtụ ihe n'onwe gị), nke a bụ karịa, n'ezie, maka ụdị ndị mmadụ karịrị 35,
  • dị ka banal, ma ọ ka mma ka ị ghara ịmalite ma ọ bụrụ na mkpali gị bụ naanị "Achọrọ m ịkpata ọtụtụ / karịa."

Ọdịmma na ọbụghị atụmanya ziri ezi, olee ebe anyị ga-anọ na-enweghị ha?

  • Ha na-ekwe nkwa na site na agụmakwụkwọ sekọndrị onye ọ bụla nwere ike ịghọta.

    Ọ bụghị eziokwu kpamkpam, ọbụlagodi agụmakwụkwọ sekọndrị ka dị iche. Ekwenyere m, dị ka onye biri ndụ n'oge ochie)), mgbe ọ na-enweghị iji ịntanetị eme ihe n'ọtụtụ ebe, na ekwesịrị inwe ngwa echiche zuru oke. Agbanyeghị, mkpali dị elu ga-emeri ihe niile.

  • Ike ahụ wee bụrụ nke ukwuu.

    Ọ ga-esiri ndị na-arụ ọrụ ike (karịsịa n'ọhịa dị anya site na nke a), ikekwe ọ ga-aba uru na-ekesa oge ọ bụghị n'etiti usoro ọmụmụ, ma site na nke mbụ nke atọ ọzọ, na ihe ndị ọzọ na-agbada n'usoro.

  • Dị ka a tụrụ anya ya, enwere nsogbu teknụzụ.

    Dị ka onye na-etinye aka na ọrụ okirikiri zuru oke, aghọtara m na, ma ọ dịkarịa ala na mbụ, ọ gaghị ekwe omume na-enweghị nsogbu teknụzụ. Ụmụ okorobịa ahụ gbalịsiri ike imezi ihe niile ngwa ngwa o kwere mee.

  • Onye nkuzi anaghị azaghachi n'oge na Slack.

    "N'oge" bụ echiche abụọ, na nke a, na oge, oge ị chọrọ, ebe ọ bụ na ụmụ akwụkwọ na-arụ ọrụ na-ewepụta oge iji mụọ na ọsọ nke ịza ajụjụ dị oké mkpa maka ha. Anyị chọkwuru ndị nkuzi.

  • Isi mmalite (akwụkwọ akụkọ, nkuzi ndị ọzọ) achọrọ.

    Yandex.Practicum na-akwado ụfọdụ akụkọ, mana nke a ezughị. Enwere m ike ịkwado, n'otu aka ahụ, mgbakwunye na nkuzi na Stepik - Big Data maka ndị njikwa (maka mmepe n'ozuzu), Mmemme na Python, Fundamentals of Statistics, akụkụ abụọ ahụ na Anatoly Karpov, Okwu Mmalite na Databases, Theory Probability (Modul 2 mbụ).

nkwubi

N'ozuzu, a na-eme ihe ọmụmụ nke ọma ma na-achọ ịbụ ma nkuzi na nke na-akpali akpali. M ka kwesịrị ịmụta ọtụtụ ihe, ma ugbu a ọ naghị atụ m egwu, enweela m atụmatụ ime ihe bara uru. Ọnụ ego ahụ dị oke ọnụ - otu ụgwọ ọnwa maka onye nyocha na ọnọdụ kacha ala. Ọtụtụ omume. Enyemaka na ihe niile site na mmalite ruo na kọfị kọfị.

isi: www.habr.com

Tinye a comment